当前位置:首页 » 机器学习电子书 » 正文

机器人时代 - 电子书下载(高清版PDF格式+EPUB格式)

1079 人参与  2018年12月21日 23:33  分类 : 机器学习电子书  评论

机器人时代-[美]马丁·福特

            在线阅读                   百度网盘下载(ivtu)


image.png

书名:机器人时代

作者:[美]马丁·福特

格式:EPUB, HTMLZ, PDF

书号:9787508651750

路径:点击打开

出版:中信出版社

排序作者:[美]马丁·福特

排序书名:机器人时代

日期:09 12月 2018

uuid:8e27e0dc-1cbc-4c1b-95c9-c52123703c49

id:520

出版日期:6月 2015

修改日期:09 12月 2018

大小:2.15MB

语言:中文


第一章

自动化浪潮

一位仓库搬运工走近一堆货箱。货箱的形状、大小和颜色各不相同,被随意地堆叠在一起。

设想一下,你可以看到搬运工脑子里关于如何搬运箱子的思维活动,然后考虑一下该问题的复杂程度。

许多货箱都是标准的棕色,而且紧紧地压靠在一起,使人很难看清楚边缘。两个箱子之间的分界线到底在哪里呢?还有一种情况是,箱子之间有间隔,并且没有对齐。有些箱子被挪过,所以有一侧悬空着。在整堆箱子的顶上,一个小箱子斜放在两个较大的箱子之间。大多数箱子都是普通的棕色或白色的纸板制成,但也有一些印有公司标识,还有一些则是要放在商店货架上展示的彩色零售包装盒。

当然,人类大脑几乎瞬间就能识别出所有这些复杂的视觉信息。工人能很容易地感知到每个箱子的尺寸和方位,并且似乎本能地知道他必须先搬开顶上的箱子,以及如何按一定的顺序搬箱子而不使其余的部分坍塌。

这正是人类大脑逐渐进化过程中所克服的一大视觉感知挑战。工人成功搬运箱子这一现象并没什么了不起,但在这里提到的工人是一个机器人。更确切地说,它是一个蛇形的机械臂,头部是一个有磁力的挟持器。机器人的理解力比人要慢,它会先注视这些货箱,略微调整视线,再思考一会儿,最终猛地向前抓起顶部的一个货箱。这个任务虽然看似简单,但机器人这种迟钝的表现几乎全部来自任务背后所需要的惊人的复杂计算。纵观信息技术的历史,我们至少可以知道一件事,那就是这个机器人很快将会得到一次速度升级。

第二章

这一次截然不同吗

1968年3月31日星期天上午,在华盛顿国家大教堂里,牧师马丁·路德·金(Martin Luther King, Jr.)站到了精心雕刻的石灰石讲坛上。该建筑是世界上最大的教堂之一,比伦敦威斯敏斯特教堂的两倍还要大。它的里里外外挤满了成千上万的人,人们有的从唱诗台上往下张望,有的挤进门道里。至少还有数千人在教堂外的台阶上,或在附近的圣阿尔班圣公会教堂外聚集,通过扬声器聆听讲道。

这是马丁·路德·金博士的最后一次礼拜天布道。仅仅5天后,大教堂将又一次挤满包括林登·约翰逊总统、内阁高级官员、所有9位最高法院大法官和国会领导成员在内的人群,但这一次人们要忧伤得多。那天是马丁·路德·金博士在田纳西州孟菲斯被刺的翌日,人们会聚于此,参加他的追悼纪念。

第三章

信息技术:前所未有的破坏力量

想象一下,往一个银行账户存入1分钱。现在,每天将账户存款加倍。第三天,你将由2美分增至4美分。第五天,你的存款将从8美分加至16美分。经过不到一个月的时间,你将拥有超过100万美元。如果我们是在1949年时存入开始的那一分钱,当时诺伯特·维纳正在写一篇关于计算未来的文章,然后让摩尔定律发挥其效力,即集成电路容纳的元器件数目大约每两年便会增加一倍,到2015年,我们的技术账户里将有近90亿美元。随着事情向前发展,账户余额将继续翻番。未来的创新将能够利用这笔巨大的累计盈余,结果便是,未来几年和几十年的发展速度很可能远远超出我们过去已经习惯的样子。

摩尔定律是最知名的揭示计算能力发展的规律,但事实上,信息技术在许多不同的方面都在加速发展。例如,计算机的存储容量和由光纤线路传导的数字信息量都已经有了指数级增长。加速也不只局限于计算机的硬件,一些软件算法效率的飙升速度已远远超过摩尔定律所能预测的。

第四章

岌岌可危的白领工作

2009年10月11日,洛杉矶天使队在美国职业棒球大联盟季后赛的较量中战胜了波士顿红袜队,将与纽约扬基队争夺联赛冠军,并获得进入世界系列冠军赛的机会。这场胜利让天使队格外激动,因为仅仅在6个月前,他们当中最有前途的球员和投手——尼克·亚登哈特(Nick Adenhart)被一名酒驾司机撞死。一位体育记者在文章开头这样描述了这场比赛:

天使队第九局一度落后2分,形势十分不妙,但弗拉迪米尔·格雷罗(Vladimir Guerrero)关键的一记安打使洛杉矶看到了希望,最终在星期天于芬威公园以7∶6战胜波士顿红袜队。

格雷罗为天使队拿下2分,4次击球,打出3个安打。

格雷罗在接受采访时说:“如果要纪念尼克·亚登哈特,还有阿纳海姆4月发生的一切,我可能会用(我的职业生涯中)这最漂亮的一击,因为我要将它献给我的前队友,那个去世的家伙。”

格雷罗在整个赛季的本垒表现都很出色,尤其是白天的比赛。在白天的比赛中,格雷罗的攻击指数达到0.794。他在白天的26场比赛中,打出了5个本垒打,拿下13分。

该文的作者可能不会马上就得到任何写作的奖项,但文章却仍是个了不起的成就:不是因为它可读性强、语法正确,或是对棒球比赛有着准确的描述,而是因为作者是一项计算机程序。

第五章

慕课革命

2013年3月,一小群主要由英语教授和写作老师组成的学者在网上发起请愿,回应标准化考试中的作文由计算机进行打分的情况。请愿书题为“专业人士反对机器评阅学生作文”,他们认为,书面文章用算法打分,会过分简单化、不准确、随意性强,且带歧视性,更何况,打分还是“通过一台连阅读都不会的设备”。不到两个月的时间里,近4 000名专业教育工作者在请愿书上签名,一起签名的还有一些公共知识分子,其中包括诺姆·乔姆斯基。

当然,用计算机来对考试打分并不新鲜,它们多年来都承担着多项选择考试打分的琐碎任务。在那种情况下,它们是节省劳力的设备。而当算法开始染指被认为高度依赖人的技能和判断的领域时,很多老师把这种技术视为一种威胁。机器作文评分运用的是先进的人工智能技术,评估学生文章用的基本方法与Google的在线语言翻译方法极为相似。机器学习算法先使用大量已被人工批阅的写作范例进行培训,然后算法开始给新的学生作文打分,并且几乎瞬间就可以做到。

“专业人士反对机器评阅学生作文”的请愿中称打分的机器“不会阅读”,情况的确如此。但是,我们在大数据和机器学习的其他应用中已经看到,这个根本无关紧要。基于统计相关性分析的技术往往比得上甚至超越人类专家所做的最大努力。事实上,阿克伦大学教育学院的研究人员在2012年的一份分析报告中,对比了机器打分和教师打分,发现该项技术“有几乎相同的准确度,而且有些情况下软件被证明更可靠”。这项研究涉及提供机器打分解决方案的9家公司,以及来自美国6个州的公立学校超过16 000份尚未打分的学生作文。

第六章

机器人医生

2012年5月,一名55岁的男子到德国马尔堡大学的一家诊所治疗。该男子患有发烧、食道发炎、甲状腺激素水平较低,并伴有视力衰退。他看了各科医生,都对其症状感到困惑不解。当患者赶到马尔堡诊所的时候眼睛几乎失明,并且处在心脏衰竭的边缘。几个月前,在美国丹佛的科罗拉多州立大学医学研究中心,一个非常类似的医学难题最终以一名59岁的女子接受心脏移植手术告终。

这两个难题有着共同的答案:钴中毒。这两名患者都曾装有金属制成的人工髋关节。金属植入物随着时间的推移受到了磨损,释放出钴粒子,使患者最终慢性中毒。特别巧合的是,描述这两个病例的论文在2014年2月几乎同一天分别发表在两大主要医学期刊上。德国医生发表的报告有一点很有趣:当美国医生已经采取手术的时候,德国医生最终解开难题不是因为他们训练有素,而是因为其中的一位医生看了2011年2月的一集美剧《豪斯医生》(House)。剧中的主角格里高利·豪斯医生面临着同样的问题,他最终做出了巧妙的诊断:金属假肢髋关节置换产生的钴中毒。

这两个地方的医生可以下一番功夫做出同样的诊断,而谜团的答案黄金时段播出给数以百万的电视观众后,他们也可以做到。这一事实证明了,即使处在一个互相协作和信息获取从未像现在这样简单的互联网时代,医学知识和诊断技能仍然被根植于单个医生的大脑里。这样一来,医生诊断和治疗疾病的基本过程在很大程度上一直保持相对不变。颠覆解决问题的传统方法,把困在个人头脑中或发表在晦涩的医学期刊上的所有信息都释放出来,可能是人工智能和大数据为医学带来的最重要的潜在好处之一。

第七章

技术与产业的未来

YouTube于2005年由三个人创建,不到两年后,该公司被Google以大约16.5亿美元的价格收购。当时YouTube的员工只有65名,大部分是高技能工程师。这样算来,每个YouTube员工的估值超过2 500万美元。2012年4月,Facebook以10亿美元收购了新兴图片分享公司Instagram,该公司的员工为13名。也就是每个员工的估值大约7 700万美元。两年后的2014年2月,Facebook再出大手笔,这次是以190亿美元收购移动通信公司WhatsApp,WhatsApp有55名员工,每名员工的估值达到惊人的3.45亿美元。

在这些案例中,员工估值的飙升生动地演示了加速发展的信息和通信技术是如何发挥杠杆效应,并将一小部分劳动力的努力变成巨大的投资价值和收入的。更重要的是,他们以令人信服的证据描述了技术与就业之间的关系所发生的变化。人们广泛持有一个信念(这种信念至少可以追溯到工业革命),认为虽然技术确实破坏就业、企业甚至整个行业,但技术也将创造全新的职业,而这种持续的“创造性破坏”的发展过程将催生新的产业和就业部门,而且往往是在一些我们还不能想象的领域。一个经典的案例便是20世纪初汽车产业的兴起,随之而来的是马车制造企业的消亡。

然而,正如我们在第三章所看到的,信息技术发展到目前的地步已经成为一种了不起的效用,就好比电力。不充分利用这项强大的新工具以及随之而来的广泛的机器智能,很难想象新兴产业能够成功。其结果是,新兴产业很少会是高度劳动密集型的。随着这种创造性破坏的展开,“破坏”将主要降临在传统领域如从事零售和食品制作的劳动密集型企业,而“创造”将产生新的企业和产业,而它们却根本不雇用很多人,对于整个就业的威胁由此产生。换句话说,经济很可能正朝着一个临界点发展,过了这个点,新创造的就业机会将会持续偏少,无法满足劳动力的总体需求。

第八章

技术如何影响经济的增长

关于亨利·福特二世和全美汽车工人联合会的传奇领袖沃尔特·鲁瑟(Walter Reuther),有一个故事经常被人们说起。这两人共同去参观一个新近自动化的汽车制造厂,福特汽车公司的老总挖苦鲁瑟道:“沃尔特,你怎么让这些机器人交工会会费?”鲁瑟不假思索做出回应,问道:“亨利,你要怎么让它们买你的车?”

虽然这次对话可能从来没有真正发生过,但这段逸事引起了人们对于广泛自动化的终极影响这个问题的重视:工人也是消费者,他们依靠工资购买经济所生产的产品和服务。也许汽车行业比任何其他经济部门都更多地展示了这个双重角色的重要性。当亨利·福特一世于1914年开始大批生产其T型汽车时,他有个著名的做法,将工资加倍至5美元一天,这样一来,即可保证他的工人能够买得起他们所制造的汽车。从那时起,汽车业的崛起将与一个庞大的美国中产阶级的形成密不可分。正如我们在第二章里看到的,有证据表明,收入增长与稳健、广泛的消费需求之间的强劲的共生关系现在还在继续循环。

第九章

超级智能和奇点

2014年5月,剑桥大学物理学家史蒂芬·霍金写了一篇文章,发出了人工智能迅速发展的危险警报。在英国的《独立报》(The Independent)上,霍金以及其他的合著者,包括麻省理工学院的两位物理学家马克斯·泰格马克(Max Tegmark)和诺贝尔奖获得者弗兰克·维尔切克(Frank Wilczek),以及加利福尼亚大学伯克利分校的计算机科学家斯图尔特·罗素(Stuart Russell),一起写文章警告说,创建一台真正能思考的机器“将是人类历史上最大的事件”。一台超出人类智力水平的计算机可能会“超越金融市场,超越人类研究者的发明,超越有控制能力的人类领导者,研发出一些我们甚至无法理解的武器”。把这一切视为科幻小说,则“有可能是我们历史上最糟糕的错误”。

到目前为止,我所描述的技术,比如能搬箱子或做汉堡的机器人,能创作音乐、写报告,或在华尔街交易的算法,都可以归类为专业或“弱”人工智能。即使是IBM的沃森,这个迄今为止机器智能最成功的示范,都远比不上一般的人类智能。事实上,在科幻小说的领域之外,所有的功能性人工智能技术其实都是弱人工智能。

然而,我在这里提出的其中一个主要观点是,现实世界人工智能的专业化性质并不一定会阻碍很多工作最终实现自动化。大部分劳动力从事的工作任务在一定程度上是常规和可预见的。我们已经看到,迅速升级的专业机器人或依据大量数据的机器学习算法,最终将对各种技能水平的职业构成威胁,这一切都不需要机器能像人一样思考。计算机要取代你的工作并不需要复制你所有的智力,它只需要完成你为获得报酬所做的具体事情就好。事实上,大多数人工智能的研发,以及几乎所有的风险投资,都继续把重点放在专门的应用程序上,而我们有充分的理由相信,在未来几年甚至几十年,这些技术会变得更加强大和灵活。第十章

新经济模式

在接受哥伦比亚广播公司新闻节目采访时,美国总统被问到国家严重的失业问题能否很快得到改善。“这个问题没有立竿见影的解决办法”,他回答说,“即使想保持现在的状态我们也需要快速行动。”他的回答意味着如果想降低日益攀升的失业率,整个经济体每月需要创造数以万计的新岗位才能跟上人口增长的步伐。他还指出,因为接受的教育很少,“美国年老的工人,因技术匮乏难以和年轻人竞争而被遗弃”。美国总统提出了一项减税方案来刺激经济,但是他还是回归到了教育领域,特别是提倡对职业技术教育和岗位再培训的支持。他说,这个问题自己本身不会解决:“太多的人涌入劳动力市场,而太多机器又把人赶了出来。”

总统的话语对失业问题的性质提出了一套传统或者通用的说法,即更多的教育和职业培训总能解决问题。如果有适当的培训,工人们会攀登上技术的高峰,或许能超越机器。他们会做更多的创新工作,做更多的“蓝天”思考。普通人接受教育和培训后能做什么工作没有明显的限制,同样对于经济体能够吸纳的新培训工人的数量也没有限定。由此看来,教育和再培训是解决问题的永恒策略。

对于那些持有这个观点的人来说,也许并不关心上面提到的总统是肯尼迪,采访时间是在1963年9月2日。正如肯尼迪总统所说,当时的失业率是5.5%,而机器几乎专门局限在“替代体力劳动”上。采访过后7个月,“三重革命”报告将会放在新总统的办公桌上。那将会是马丁·路德·金博士在华盛顿国家大教堂就技术与自动化发表言论前的4年。此后的近半个世纪,对教育是解决失业和贫困问题的信念基本无任何改观,反而机器却大大改变了一切。



来源:我是码农,转载请保留出处和链接!

本文链接:http://www.54manong.com/?id=1177

机器学电子书  

微信号:qq444848023    QQ号:444848023

加入【我是码农】QQ群:864689844(加群验证:我是码农)

<< 上一篇 下一篇 >>

网站分类

标签列表

最近发表

全站首页 | 数据结构 | 区块链| 大数据 | 机器学习 | 物联网和云计算 | 面试笔试

本站资源大部分来自互联网,版权归原作者所有!